Resumen

Las señales de vibración de la caja de cambios son sensibles a la existencia de la falla. Basándose en las señales de vibración, este artículo presenta una implementación de un algoritmo de aprendizaje profundo, red neuronal convolucional (CNN), utilizado para la identificación y clasificación de fallas en cajas de cambios. Se consideran diferentes combinaciones de patrones de condiciones basados en algunas condiciones de falla básicas. Se utilizan 20 casos de prueba con diferentes combinaciones de patrones de condiciones, donde cada caso de prueba incluye 12 combinaciones de diferentes patrones de condiciones básicas. Las señales de vibración se preprocesan utilizando medidas estadísticas del dominio temporal, como desviación estándar, asimetría y curtosis. En el dominio de la frecuencia, el espectro obtenido con FFT se divide en múltiples bandas, y se calcula el valor cuadrático medio (RMS) para cada una, de modo que la energía mantenga su forma en los picos del espectro. La precisión lograda indica que el enfoque propuesto es altamente confiable y

• Materias:Control de vibraciones Seguridad industrial Vibración de rodamientos Dinámica no lineal Vibración dinámica
• Subjects:Vibration control Industrial safety Bearing vibration Nonlinear dynamics Dynamic vibration
• Palabras claves:Señales de vibración; Algoritmo de aprendizaje profundo; Red neuronal convolucional; Identificación de fallas; Medidas estadísticas; Dominio de frecuencia
• Keywords:Vibration signals; Deep learning algorithm; Convolutional neural network; Fault identification; Statistical measures; Frequency domain